За изключително сложната работа на изкуствения интелект компаниите трябва не само непрекъснато да усъвършенстват водещите си модели, но и да предоставят множество специализирани инструменти, които подобряват цялата екосистема. Именно с тази цел Google създаде първия си модел, насочен конкретно към вземането на решения.
Изцяло новият Gemini Decisions API осигурява достъп до също толкова новия модел Gemini Decision 1. Компанията го описва като нова крайна точка за бързо вземане на решения от затворен набор от възможности.
Decisions API предоставя основни компоненти, предназначени специално за задачи с ограничен набор от възможности, като избор на инструменти, проверка за съответствие с правила, маршрутизиране към модели и оценка на контекста. Gemini Decision 1 може значително да повиши ефективността на ежедневната работа във всяко отношение. Така потребителите могат да спестят време и пари и да заменят използваните досега за тази цел половинчати решения.
В тестовете за производителност, обхващащи маршрутизиране на агенти, логически разсъждения, класиране и мултимодално разбиране, Gemini Decision 1 се наложи като категоричен лидер. Моделът оглавява класацията с най-висока успеваемост и най-малко грешки.
Gemini Decision 1 не генерира отговора токен по токен, а оценява зададените възможности с един проход през модела според необходимия набор от правила. Тъй като няма декодиране токен по токен, медианната латентност остава в рамките на 50–100 ms за изчисленията на модела, а общата латентност от край до край е най-много 150–250 ms. Изходните токени не се таксуват, затова в тестовете Gemini Decision 1 през Decisions API се оказва почти пет пъти по-евтин от използвания досега за подобни задачи Gemini 3.5 Flash-Lite през Interactions API.
Важно е, че при създаването на Gemini Decision 1 изследователите са стъпили върху изначално мултимодалната архитектура на Gemini. Благодарение на това моделът за вземане на решения може да интерпретира текст, изображения, аудиофайлове, видеоклипове и PDF файлове директно, в една стъпка на обработка. Той може да комбинира различните видове данни в един общ вход. Така например в застрахователна компания може да обработва PDF документ със заявление за обезщетение и снимки на щетите в рамките на един работен процес. Входните материали могат да достигат 256 хиляди токена, а моделът може да отговори на до 1.000 независими въпроса.
Въпросите могат да бъдат от три типа, които могат да се комбинират в една заявка. Типът „двоичен“ оценява вероятността дадено твърдение с отговор „да“ или „не“ да е вярно. Типът „избор“ избира най-подходящата сред 2 до 255 възможности и връща нормализирана вероятност за всяка от тях. Типът „оценяване“ класифицира по подредена скала, започваща от нула, като предоставя непрекъсната претеглена оценка и вероятности за всяко ниво. Неясните случаи могат автоматично да се насочват към резервна система или към човек за проверка.
Google вече активно използва Decisions API като управляващ слой с ниска латентност. Функциите се реализират просто чрез задаване на възможните опции, заменяйки предишните алтернативни решения. За да покаже по-ясно потенциала на новия модел, Google разказа и за какво използва Gemini Decision 1.
Gemini Notebook използва Decisions API за маршрутизиране в реално време, за да насочва незабавно входящите заявки към най-подходящия за всяка от тях модел и най-доброто ниво на разсъждение. Decisions API обслужва ежедневните заявки с до 40 % по-ниска латентност и прибягва до водещите модели само когато това действително е необходимо за по-добър резултат.
В Google Търсене Gemini Decision 1 повишава безопасността, като позволява на системата да филтрира поведението, нарушаващо правилата, много по-ефективно отпреди.
Google съобщи също, че новата функция на Stitch за бързо създаване на макети вече разчита изцяло на Decisions API, за да генерира работещи макети за секунди и да прилага промените почти незабавно. В експерименталната услуга CC на Google Labs Decisions API ще може мигновено да извежда най-подходящите реакции с емоджита, за да може потребителят да реагира по-бързо.
Благодарение на различния си начин на работа Gemini Decision 1 е много по-евтин, но и при него разходите могат да нараснат значително, например при обработката на изображения и видеоклипове. За да ги ограничи, Google ще предостави възможност за регулиране на резолюцията на обработка чрез настройка на нивото на визуална детайлност. Така разходите и в това отношение ще могат да се държат под контрол. В идеалния случай обработката на 1 милион входни токена струва едва 0,1 долара, а както вече споменахме, изходните токени не се таксуват. Новият модел може да се изпробва безплатно през Google AI Studio.
































